Ficha nueva. La valoración editorial de este libro es provisional y está pendiente de revisión por la redacción; los datos de edición proceden del catálogo de las librerías.
Ventajas y desventajas
Puntos fuertes
- Fundamentos teóricos rigurosos
- Autores pioneros del campo
- Disponible gratuitamente online
Limitaciones
- Publicado en 2016: no cubre transformers ni avances posteriores
- Exigente en matemáticas
Datos de la edición
- Publicación original
- 2016
¿Es este libro para ti?
Este libro es para ti si…
- Estudiantes de posgrado e investigadores en IA
- Ingenieros con base matemática
- Quienes buscan fundamentos teóricos
No es para ti si…
- Principiantes en programación
- Quienes buscan un manual práctico actual
Después puedes leer: Machine Learning · Estructuras de acero: uniones y sistemas estructurales
Qué propone
Deep Learning, de Ian Goodfellow, Yoshua Bengio y Aaron Courville, cubre las matemáticas necesarias, las redes profundas, la regularización, la optimización y áreas de investigación como modelos generativos.
Para quién es
Para quienes necesitan fundamentos teóricos. Para aplicaciones actuales, conviene complementarlo con recursos recientes.
Veredicto editorial
Una referencia sólida para la base, con la limitación de su fecha.
Qué leer después
Más práctico
Si buscas aplicación
Más fácil
Si necesitas una entrada más suave
Libros similares
📚 Comprar "Deep Learning"
Elige tu plataforma preferida
Enlace de afiliado · Sin coste adicional para ti